Projektowanie harmonogramu autoskalowania AVD zgodnego z rzeczywistymi godzinami pracy
Partner · Neutralny partner: Nerdio
By Mirko Peters ·
Zbuduj harmonogram autoskalowania Azure Virtual Desktop na podstawie zmierzonej liczby sesji, a nie godzin biurowych wpisanych na papierze. Ten przewodnik prowadzi od danych o sesjach w ujęciu godzinowym do godzin startu faz, minimalnego procentu, progu pojemności i kontroli poprawności.
Automatically translated with AI from the original post. Read the English original
Dobry harmonogram autoskalowania zaczyna się od zmierzonej liczby sesji: znajdź godziny, w których sesje rosną, utrzymują się i spadają, i umieść cztery godziny startu faz w tych punktach zwrotnych. Następnie ustaw minimalny procent hostów oraz próg pojemności w narastaniu i zmniejszaniu, utrzymuj czas oczekiwania zmniejszania krótszy niż jego faza i zweryfikuj wynik w usłudze Insights.
Najważniejsze wnioski
- Zacznij od danych: godzinowa liczba nowych połączeń z tabeli WVDConnections pokazuje, kiedy zaczynają się logowania, a liczniki sesji pokazują, gdzie sesje utrzymują się, spadają i osiągają wieczorny poziom minimalny. Dopiero potem ustalamy starty faz.
- Narastanie musi rozpocząć się na tyle wcześnie, aby hosty zdążyły się uruchomić, zanim przybędą pierwsi użytkownicy. Zmierz czasy startu w swoim środowisku; strony Learn nie podają tej wartości.
- Czas oczekiwania zmniejszania musi być krótszy niż faza zmniejszania. Przykład z często zadawanych pytań Learn to faza 15-minutowa z 20-minutowym oczekiwaniem, w której wymuszone wylogowanie nigdy nie następuje.
- Autoskalowanie nie może zmniejszać zasobów w określonych datach, a plan działa w jednej strefie czasowej. Użyj osobnych harmonogramów dla dni roboczych i weekendów, a dni świąteczne zaplanuj ręcznie.
- Odłączone sesje utrzymują hosty w działaniu. Zasady limitu czasu, które wylogowują takie sesje, w połączeniu z minimum 0 procent, to udokumentowany sposób, aby po godzinach osiągnąć zero hostów.
Powiązane artykuły wyjaśniają fazy („Ramp-up, peak, ramp-down and off-peak: the four AVD autoscale phases explained”) oraz tworzenie planu („How to create and assign an AVD scaling plan step by step”). Ten artykuł dotyczy kroku poprzedzającego oba: ustalenia wartości.
Krok 1: Zbierz rzeczywiste dane o użytkowaniu
Godziny biurowe zapisane na papierze mogą różnić się od rzeczywistych zachowań logowania. Mierz przez co najmniej kilka typowych tygodni.
- Włącz ustawienia diagnostyczne dla puli hostów i jej obszaru roboczego i wyślij je do obszaru roboczego Log Analytics. Na puli hostów uwzględnij Autoscale logs for pooled host pools; strona Insights w Learn wymienia tę kategorię wśród minimalnych kategorii. Wyświetlanie danych wymaga ról Desktop Virtualization Reader oraz Log Analytics Reader; ich pojawienie się może zająć kilka godzin.
- Wykonaj zapytanie do
WVDConnections, aby uzyskać profil logowania. Learn opisuje stany połączenia Started, Connected i Completed; Connected oznacza, że użytkownik pomyślnie połączył się z maszyną wirtualną. Zliczanie zdarzeń Connected w ujęciu godzinowym daje liczbę nowych połączeń na godzinę: kiedy zaczyna się pierwsza fala i jak jest duża, a nie ile sesji jest otwartych. Zapytanie adaptuje wzorzec dzienny z Learn do zliczeń godzinowych; sprawdź nazwy kolumn w swoim obszarze roboczym. Tabela kategorii w Learn zawiera kategorię Connections, której ustawienie diagnostyczne wymaga dla tej tabeli:
WVDConnections
| where State == "Connected"
| summarize NewConnections = dcount(CorrelationId) by bin(TimeGenerated, 1h)
| order by TimeGenerated ascDokumentacja tabeli podaje, że TimeGenerated jest w czasie UTC. Przelicz godziny na strefę czasową planu, zanim odczytasz godziny startu, na przykład za pomocą funkcji KQL datetime_utc_to_local, i uwzględnij czas letni. Przy przesunięciu o pół godziny jednogodzinne przedziały nie będą odpowiadać godzinom lokalnym.
- Otwarte sesje pokazują szczyt, spadek i wieczorne minimum. Azure Virtual Desktop Insights zbiera liczniki wydajności za pośrednictwem reguły zbierania danych do obszaru roboczego wybranego dla danych hostów sesji, który może różnić się od obszaru roboczego diagnostyki, dlatego zapytaj ten, który zawiera liczniki. Strona Learn dotycząca kosztów wymienia liczniki Terminal Services Active Sessions, Inactive Sessions i Total Sessions, z których każdy jest próbkowany co 60 sekund dla każdej maszyny wirtualnej. Strona nie definiuje tych liczników, więc zapytaj o nie samodzielnie, sprawdź, co raportują, i zsumuj wartości hostów, aby uzyskać wynik dla puli.
- Po przypisaniu planu do puli hostów z pulą współdzieloną i po tym, jak logi automatycznego skalowania trafią do usługi Log Analytics, karta Autoscale w Insights pokazuje zmiany stanu zasilania hostów sesji w czasie oraz informacje podsumowujące. Tabela źródłowa,
WVDAutoscaleEvaluationPooled, zawiera kolumnySessionCount,SessionOccupancyPercent,ActiveSessionHostCountiConfigSchedulePhase, dzięki czemu możesz odczytać te wartości dla każdej fazy harmonogramu. Learn definiujeSessionCountjako liczbę sesji na hostach, które automatyczne skalowanie uznaje za aktywne.
Zapisz cztery liczby dla każdego dnia tygodnia: kiedy pierwsze logowania się pojawiają (profil logowania) oraz, na podstawie liczników sesji, kiedy sesje osiągają dzienne maksimum, kiedy zaczynają spadać i kiedy dochodzą do wieczornego minimum.
Krok 2: Ustaw cztery godziny rozpoczęcia faz
Learn definiuje fazy na podstawie zachowania sesji: narastanie to moment, w którym sesje rosną, szczyt to moment, w którym utrzymują się na stałym poziomie, spadek to moment, w którym sesje maleją, a poza szczytem to dzienne minimum (fazy harmonogramu automatycznego skalowania).
- Początek narastania: przed pierwszą falą logowań. Learn podaje, że w tym momencie automatyczne skalowanie zaczyna „przygotowywać hosty sesji” na godziny szczytu. Zmierz, jak długo zwolniony host potrzebuje, by przyjmować połączenia, i dodaj margines; strona nie podaje czasu uruchamiania.
- Początek szczytu: miejsce, w którym krzywa się wypłaszcza. To jednocześnie koniec narastania. Użyj strefy czasowej ustawionej dla planu.
- Początek spadku: miejsce, w którym równoczesne sesje zaczynają stale maleć, a nie oficjalna godzina zakończenia.
- Początek fazy poza szczytem: miejsce, w którym krzywa dochodzi do wieczornego minimum. To koniec spadku.
Learn podaje, że plan działa wyłącznie w skonfigurowanej dla niego strefie czasowej, a godzina rozpoczęcia szczytu musi mieścić się w tej strefie. Jego strony nie zawierają wskazówek dotyczących czasu letniego, więc po zmianie czasu sprawdź dane w Insights.
Krok 3: Ustaw minimalny procent i próg pojemności
Ten krok dotyczy automatycznego skalowania zarządzania zasilaniem dla pul hostów współdzielonych. Dynamiczne automatyczne skalowanie ma inne pola we własnej sekcji na stronie Learn dotyczącej tworzenia i przypisywania.
Próg pojemności i minimalny procent hostów wprowadza się wyłącznie w fazach narastania i spadku. Strona Learn dotycząca tworzenia i przypisywania mówi:
- Próg pojemności z fazy narastania przechodzi do fazy szczytu, a wartość z fazy spadku przechodzi do fazy poza szczytem. Faza szczytu i faza poza szczytem nie mają własnych pól progu ani minimum.
- Strona Learn dotycząca rozwiązywania problemów stosuje minimalny procent w fazach spadku i poza szczytem, ale strona dotycząca tworzenia i przypisywania wskazuje przenoszenie wartości wyłącznie dla progu pojemności. Po zmianie harmonogramu sprawdź w Insights, czy hosty rzeczywiście osiągają zero.
Użyj swoich danych w następujący sposób:
- Minimum narastania: liczba hostów potrzebnych na pierwszą falę podzielona przez łączną liczbę hostów. Automatyczne skalowanie zaokrągla wynik niebędący liczbą całkowitą w górę.
- Próg narastania: stopień zapełnienia hostów, po przekroczeniu którego uruchamiany jest kolejny host. Learn podaje, że automatyczne skalowanie nie włącza maszyn wirtualnych, dopóki wykorzystana pojemność puli hostów nie będzie większa od progu pojemności.
- Próg i minimum spadku: trzeci scenariusz na stronie Learn łączy wysoki próg z niskim minimalnym procentem, co według Learn zmniejsza potrzebę uruchamiania nowych hostów sesji pod koniec dnia pracy.
- Minimum spadku: najniższy poziom, który akceptujesz podczas spadku obciążenia. Ustaw 0 procent, jeśli hosty mają po godzinach mogły osiągnąć zero, ponieważ FAQ na stronie Learn podaje, że automatyczne skalowanie może wyłączyć wszystkie maszyny wirtualne, gdy minimalny procent hostów wynosi 0 i nie pozostały żadne sesje.
Wybór wartości progu opisano w artykule „Choosing the right capacity threshold for pooled host pools”. Najpierw ustaw niestandardowy maksymalny limit sesji: strona Learn dotycząca tworzenia i przypisywania zaleca nieużywanie domyślnej wartości MaxSessionLimit.
Krok 4: Dopasuj zmniejszanie do wzorca wychodzenia użytkowników
Pole zmniejszania Wymuś wylogowanie użytkowników decyduje o tym, co stanie się z użytkownikami na hostach, które automatyczne skalowanie chce usunąć:
- Wł. Automatyczne skalowanie wybiera host z najmniejszą liczbą sesji, przełącza go w tryb opróżniania, powiadamia użytkowników, po upływie czasu oczekiwania wylogowuje ich i zwalnia maszynę wirtualną. Zobacz wymuszone wylogowanie.
- Wył. Musisz wybrać Maszyny wirtualne nie mają aktywnych ani rozłączonych sesji lub Maszyny wirtualne nie mają aktywnych sesji. Najczęściej zadawane pytania dotyczące automatycznego skalowania zalecają drugą opcję („Zatrzymaj maszyny wirtualne, gdy nie ma aktywnych sesji”). Przykład opracowany poniżej korzysta właśnie z niej.
Najczęściej zadawane pytania w Learn opisują pułapkę dotyczącą wymuszonego wylogowania, które zachodzi tylko w fazie zmniejszania: przy 15-minutowym zmniejszaniu i 20-minutowym czasie oczekiwania harmonogram przechodzi do trybu poza szczytem, zanim nastąpi wylogowanie. Faza musi trwać dłużej niż czas oczekiwania.
Aby osiągnąć zero hostów, według FAQ Learn potrzebujesz zera sesji, łącznie z rozłączonymi, minimum 0 procent w godzinach poza szczytem oraz limitu czasu zasad grupy dla rozłączonych sesji (na przykład od 15 do 30 minut), który zakończy się przed końcem fazy zmniejszania. Strona dotycząca tworzenia i przypisywania podaje odpowiednik w Intune: Ustaw limit czasu dla rozłączonych sesji w profilu limitów czasu sesji.
Krok 5: Uwzględnij dni robocze, weekendy i święta
- Twórz osobne harmonogramy tam, gdzie zachowanie się różni. Plan może mieć kilka harmonogramów, na przykład dla dni roboczych i weekendów, z których każdy ma ustawienie „Powtarzaj w”.
- W dniach niezaznaczonych ostatnie ustawienia poza szczytem z zaznaczonych dni obowiązują do następnego zwiększenia.
- Automatyczne skalowanie nie obsługuje zmniejszania w określonych datach, na przykład w świętach. FAQ nie podaje obejścia; ponieważ zmiany w przypisanym planie obowiązują natychmiast, jedną z opcji jest ręczna edycja planu danego dnia. Tag wykluczenia wyłącza pojedyncze hosty ze skalowania.
- Nerdio Manager, osobny produkt, oferuje harmonogramy Default i Alternative dla określonych dat, takich jak święta: Nerdio auto-scaling.
Przykład praktyczny: trzy grupy użytkowników
Liczby są wymyślone. Pula hostów o typie pooled ma 15 hostów, maksymalny limit sesji 10 i próg 75 procent w obu fazach. Learn podaje wzór (liczba sesji podzielona przez maksymalny limit sesji, pomnożona przez próg, zaokrąglona w górę) dla zmniejszania i trybu poza szczytem. Dla zwiększania i szczytu podaje tylko wyzwalacz: automatyczne skalowanie włącza host, gdy wykorzystana pojemność przekracza próg pojemności. Tabela stosuje tę samą arytmetykę do tych faz jako przybliżenie.
| Czas | Równoczesne sesje | Potrzebne hosty | Wnioskowanie |
|---|---|---|---|
| 06:30 do 08:00 | 20 (zespół wsparcia) | 20 / 7,5 = 2,7, czyli 3 | Minimum 20 procent z 15 hostów to także 3 |
| 08:00 do 08:30 | 20 rosnąco do 100 | 3 rosnąco do 14 | Automatyczne skalowanie dodaje hosty w miarę wzrostu liczby sesji |
| 08:30 do 17:00 | 100 (pracownicy biura) | 100 / 7,5 = 13,3, czyli 14 | Szczyt, próg przeniesiony z fazy zwiększania |
| 17:00 do 20:00 | 20 (zespół finansowy) | 20 / 7,5 = 2,7, czyli 3 | Oparte na obciążeniu, minimum nie jest potrzebne |
| 20:00 do 21:00 | 0 | 0 po upływie limitu rozłączonych sesji | Faza zmniejszania nadal trwa; jeśli użytkownicy się rozłączą zamiast wylogować, limit zakończy się o 20:30 |
| Po 21:00 | 0 | 0 | Potrzebne minimum 0 procent (wpisane w fazie zmniejszania; sprawdź w Insights, czy utrzymuje się w trybie poza szczytem) oraz brak rozłączonych sesji |
Kolumna „Potrzebne hosty” to obliczenie pojemności, a nie prognoza liczby działających hostów. Przy wyłączonym Wymuś wylogowanie użytkowników może pozostać włączonych więcej niż 3 hosty, jeśli sesje zespołu finansowego są rozłożone na kilka z nich.
Harmonogram z tej tabeli:
- Zwiększanie o 06:00: breadth-first, minimum 20 procent, próg 75 procent. Godzina 06:00 to zapas przed logowaniami o 06:30; dobierz ją na podstawie zmierzonego czasu uruchamiania.
- Szczyt o 08:30: breadth-first, jak w przykładzie z FAQ Learn. Próg 75 procent przechodzi z fazy zwiększania.
- Ramp-down o 17:00: depth-first, minimalna wartość 0 procent, próg 75 procent. Warunkiem zatrzymania jest to, że maszyny wirtualne nie mają aktywnych sesji, a opcja Wymuś wylogowanie użytkowników jest wyłączona.
- Off-peak o 21:00: depth-first, próg przejęty z fazy ramp-down, oraz limit 30 minut dla odłączonych sesji ustawiony w zasadach. Jeśli użytkownicy rozłączą się o 20:00, limit zostanie osiągnięty o 20:30, czyli przed zakończeniem fazy ramp-down.
Krok 6: Weryfikacja i dostosowanie
Po tygodniu uruchom zapytanie ze strony poświęconej monitorowaniu autoskalowania w Learn's:
WVDAutoscaleEvaluationPooled
| where ResultType == "Succeeded"
| summarize max(SessionOccupancyPercent), max(SessionCount), max(ActiveSessionHostsPercent), max(ActiveSessionHostCount) by _ResourceId, bin(TimeGenerated, 1d), ConfigScheduleName, ConfigSchedulePhase
| order by _ResourceId asc, TimeGenerated asc, ConfigScheduleName, ConfigSchedulePhase ascLearn nie podaje reguły interpretacji tych wartości, dlatego poniższa zasada ma charakter praktyczny. Autoskalowanie włącza kolejny host dopiero wtedy, gdy wykorzystana pojemność jest większa od progu pojemności, więc osiągnięcie progu jest czymś oczekiwanym. Zajętość wyraźnie powyżej progu w fazie ramp-up albo bliska 100 procent wkrótce po rozpoczęciu szczytu sugeruje, że ramp-up rozpoczął się zbyt późno. Zajętość wyraźnie poniżej progu przez całą fazę ramp-up i szczyt sugeruje, że ramp-up rozpoczął się zbyt wcześnie albo minimum jest zbyt wysokie. Niska zajętość w fazach ramp-down i off-peak nie jest błędem, ponieważ minimum utrzymuje hosty w działaniu. Learn definiuje ScalingReasonMessage jako działania, które autoskalowanie zdecydowało wykonać, wraz z powodami tych decyzji. Czytaj ten komunikat dla tych faz, które chcesz zweryfikować.
Źródła
- Microsoft Learn: Autoskalowanie planów skalowania i przykładowe scenariusze w Azure Virtual Desktop
- Microsoft Learn: Tworzenie i przypisywanie planu skalowania autoskalowania dla Azure Virtual Desktop
- Microsoft Learn: Słowniczek autoskalowania Azure Virtual Desktop
- Microsoft Learn: Rozwiązywanie problemów z autoskalowaniem w Azure Virtual Desktop
- Microsoft Learn: Azure Virtual Desktop autoscale FAQ
- Microsoft Learn: Korzystanie z Log Analytics w funkcji diagnostyki
- Microsoft Learn: Monitorowanie operacji autoskalowania za pomocą Insights
- Microsoft Learn: Korzystanie z Azure Virtual Desktop Insights
- Microsoft Learn: Szacowanie kosztów Azure Virtual Desktop Insights
- Nerdio: Włączanie dynamicznego automatycznego skalowania puli hostów
FAQ
Jak wcześnie należy rozpocząć fazę narastania, zanim pierwsi użytkownicy zalogują się?
Zmierz, ile czasu w Twoim środowisku zajmuje uruchomienie hosta sesji, a następnie rozpocznij narastanie wcześniej o taki czas plus zapas. Scenariusze autoskalowania oraz strony tworzenia i przypisywania nie podają wartości czasu uruchamiania ani minimalnego wyprzedzenia.
Czy jeden plan skalowania może mieć różne harmonogramy dla dni roboczych i weekendów?
Tak. Microsoft Learn podaje, że plan może zawierać wiele harmonogramów, na przykład osobne harmonogramy dla dni roboczych i weekendów, każdy z własnym ustawieniem Powtarzaj w dniach. W dniach, których nie wybrano, ostatnie ustawienia poza godzinami szczytu obowiązują do następnego narastania.
Czy autoskalowanie obsługuje dni świąteczne?
Nie samodzielnie. Często zadawane pytania dotyczące autoskalowania wskazują, że autoskalowanie nie obsługuje obecnie zmniejszania zasobów w określonych datach, na przykład w świątecznych. Strony pomocy firmy Nerdio opisują alternatywne harmonogramy dla konkretnych dat w produkcie Nerdio Manager, który jest osobnym produktem.